返回首页
回到顶部
用行空板实现文字识别纠错
一、创作背景
有这样一个任务：机器人首先实时拍照识别1张知识卡片上的信息内容，判断其中的错别字及所在位置，然后按照规定格式显示并播报指定内容。
如下格式：有一个错别字，显示与播报内容的格式：“第X个字有误，请更正为X”。
二、 作品原理
本项目我们给行空板接上摄像头和喇叭，利用Python pytesseract库制作一个文字识别装置，实现拍照识别并输出纸上的文字，在实现语音播报。将纸上识别到的文字传给Kimi大语言模型，通过大语言模型来判断文字内容对错并按“第X个字有误，请更正为X”的格式输出文字，并将输出内容转换成语音播报出来。
三、硬件清单
行空板 1个
语音合成模块 1个
摄像头 1个
四、制作过程
1.安装插件和必要的程序文件。
安装pytesseract库将其添加到项目文件中，再上传到行空板中与mindplas文件夹的平行文件夹位置。
结果下如图
安装pytesseract库，将编程模式切换为代码模式，双击打开“1-Install_dependency.py”文件，出现安装代码，点击运行，自动安装依赖库。
安装完成：
切换回图形化模式，加载文字识别图形化库。通过“扩展库”中的“用户库”检索获得“文字识别”图形化库——“pytesseract”（检索网址为https://gitee.com/chenqi1233/ext-pytesseract）。
利用查找网址安装扩展插件https://gitee.com/chenqi1233/ext-pytesseract
2.编写程序如下
首先安装必要的库和插件
初步实现文字的识别并显示在屏幕上
按完A键识别，文字显示在屏幕上，再按B键结束，文字在屏幕上消失。
3.通过百度语音识别播报声音
4.通过DF语音合成模块识别播报语音
五、总结反思
通过本作品对行空板实用性进一步开发应用，又是一次新领域的尝试，有些不足之处还有待改进，换行功能还存在一定的局限性，大语言模型的应用识别能力还有进一步开发进步。
他的勋章
评论